Résumé de l'activités de Recherche et d'Enseignementwebpages.lss.supelec.fr/perso/renaux/ExemplesGMS/... · 2015-11-17 · 1 Mod ele d’antenne lin eaire uniforme, notion d’ambiguit

Resume de l’activites de Recherche etd’Enseignement

Remy Boyer

Universite Paris-Sud/L2S

11 Septembre 2014

Formations et experiences en brefActivites d’enseignement

Activites de rechercheThematiques de recherche passees

Axes de recherche actuels

Plan

1 Formations et experiences en bref

2 Activites d’enseignementA l’IUT-Cachan

Vue schematiqueResponsabilies administratives et pedagogiques

Au M2R ATSI

3 Activites de recherchePublicationsEncadrementsProjetsDivers trucs et bidulles...

4 Thematiques de recherche passees

5 Axes de recherche actuels

Activites de Recherche et d’Enseignement 2/23




Plan




Au M2R ATSI








Plan




Au M2R ATSI








Plan




Au M2R ATSI








Plan




Au M2R ATSI








Plan




Au M2R ATSI








Plan




Au M2R ATSI








Plan




Au M2R ATSI








Plan




Au M2R ATSI








Plan




Au M2R ATSI








Plan




Au M2R ATSI








Plan




Au M2R ATSI








Plan




Au M2R ATSI








Formations et experiences en bref

2002 These de l’Ecole Nationale Superieure des Telecommunicationsde Paris en Signal et Images

Mars-Aout 2003 Chercheur post-doctorant a l’universite deSherbrooke (Canada)

2003- ... Maıtre de conferences de l’UPS en section 61Enseignement a l’IUT-Cachan.Recherche au L2S : division Telecom (10 %) et division Signal(equipe Modelisation Statistique) (90 %). Localisation geographiqueactuelle : l’ENS-Cachan/SATIE.

Sept. 2010-Jan. 2011 CRCT ENS/SATIE et au departementTelecom de l’universite d’Aalborg (Danemark).

30 Novembre 2012. HDR de l’UPS.Titre : Contributions aux methodes de traitements multidimensionnels et a l’analyse des

performances en termes d’estimation et de resolution limite.

2013. Qualifie a la fonction de Professeur des Universites en section61.





A l’IUT-CachanAu M2R ATSI

A l’IUT-CachanVue schematique






IUT-CachanResponsabilies administratives et pedagogiques

Responsabilite pedagogique d’un groupe de 1ere annee depuis 2005.

Responsabilite pedagogique d’un groupe de 2eme annee depuis 2004.

En 2004. Co-responsable du S3 (1er semestre de seconde annee).

En 2005 et 2006. Responsable du S4 (2eme semestre de la secondeannee)

Depuis 2009, responsabilite pedagogique de la formation de TNS dusemestre S3 (hormis l’annee du CRCT).






Au M2R ATSI et Formation continue de SUPELEC

Module ”Traitement d’antennes adaptatif ” (S. Marcos)1 Cours et TD sur l’estimateur root-MUSIC.2 TP de localisation de sources :

1 Modele d’antenne lineaire uniforme, notion d’ambiguite d’antenne.2 Generation d’un bruit blanc complexe.3 Mise en application de l’estimateur empirique de la matrice de

covariance.4 Comparaisons du point de vue du pouvoir de resolution des

estimateurs par formation de voies et des estimateurs algebriques(MUSIC, Matrix-Pencil, ESPRIT et root-MUSIC).

3 Volume horaire : 9h ETD (1/2 a 1/3 du volume du module)4 Participation a la selection des etudiants a l’entree du M2R.

Interventions dans le cadre de la formation continue LG19-12A”Traitement d’antennes et localisation des sources”.





PublicationsEncadrementsProjetsDivers trucs et bidulles...

Publications

Ouvrage/Journal Conference29 81

Chapitre Journal Internationale Nationale2 271 612 20

1 dont 3 dans des numeros speciaux (SIAM, JASP, ...)

2 dont 9 articles invites (SSP, ASILOMAR, SAM, ...)






Encadrements

M2R these post-doc10 91,2 23

passe en cours passe en cours passe en cours10 0 8 1 1 1

1 2 ANR, 1 CROUS, 2 DIGITEO, 3 Ministeres, 1 Paris-Tech

2 Encadrement de 2 theses en tant que directeur de these.

3 1 ANR, 1 DIGITEO






Projets

Europeen National Region IndustrielANR ACI/MI

21 52 23 24 15

1 ECRYPT, Newcom #

2 SDMO, MEDIEVALS, ESTIVALE, COHRAINTE, MAGELLAN

3 FABRIANO, MASTODONS-DISPLAY

4 TIMUCA, DESMOTS-2A

5 Orange.






Divers trucs et bidulles...

2008-2016, PEDR puis PES.

2010-2012, suppleant elu CCSU-61. Depuis 2012, membre titulaire.

Depuis 2013, Membre affilie du Comite Technique ”Sensor Array andMultichannel (SAM)” in the IEEE Signal Processing Society (SPS)”

President de session (CAMSAP’08, GRETSI’13) et participationreguliere au TPC (conf. IEEE), session speciale a SAM’14.

Participation a 8 jurys de these dont un en tant que rapporteurexterieur au Indian Institute of Technology (IIT) Madras.

Tutorial invite a la conference TMA 2014 (International Conferenceon Tensors and Matrices and their Applications).

5 exposes dans le cadre du GDR ISIS

Co-organisateur d’une journee GDR (08/10/2008) sur les bornesminimales de l’EQM (avec A. Renaux et J.Y. Tourneret).

Relecteur pour plusieurs Trans. IEEE et AMS Mathematical review.





Thematiques de recherche passees

Th. 1 Compression de signaux audionumeriques par modeles sinusoıdaux.

Th. 2 Performances en traitement d’antennes en termes d’estimation et deresolution limite,

Th. 3 Traitement des donnees multidimensionnelles et SVD multilineaire

Th. 4 Methodes de dissimulation de l’information.





Compression de signaux par modeles sinusoıdauxPendant la these

Directeur : K. Abed-Meraim (ENST-Paris) dans le cadre du projetRNRT COHRAINTE faisant intervenir FT R&D.

Methodes a haut pouvoir de resolution afin de modeliser les signauxaudio a supports temporels courts a l’aide de sinusoıdes amorties etretardees. Lutte contre l’effet de ”pre-echo”.

Encadrement d’un etudiant de DEA.

3 publications de journal et 10 de conferences.

(a) (b) (c)

600 800 1000 1200 1400 1600 1800 2000 2200−1

−0.5

0

0.5

1

x 104 (a)

600 800 1000 1200 1400 1600 1800 2000 2200−1

−0.5

0

0.5

1

x 104

pre−echo weak dynamic

(b)





Estimateurs algebriques dits en ”sous-espaces” et PerfOPerformances en traitement d’antennes en termes d’estimation et de resolution limite

Estimateurs exploitant la connaissance partielle du sous-espaceSignal (P-MUSIC, PLEDGE,...).Collaboration avec P. Stoica (Uppsala Univ.)

Borne non-asymptotique de Weiss-Weinstein pour des antennespolarisees.Collaborations avec A. Renaux (UPS/L2S) et S. Marcos(CNRS/L2S)

Borne asymptotique de CR pour des antennes polarisees.Collaboration avec S. Miron (CRAN).





Seuil de resolution statistique theoriquePerformances en traitement d’antennes en termes d’estimation et de resolution limite

SRL = distance minimale dans l’espace des parametres permettant deseparer/estimer deux signaux proches pour une certaine performance.Collaborations avec N. ElKorso (Univ. Paris X), A. Renaux (UPS/L2S) etS. Marcos (CNRS/L2S)

Extension des criteres existants aux signaux multiparametres.

Expressions analytiques du RSBI minimal en fonction du SRL pourseparer 2 sources avec M − 2 interferences

SRL pour les antennes polarisees de type COLD. (compet. ”BestStudent Paper Award”, IEEE Trans. SP / SAM TC)

SRL pour le radar MIMO.

SRL pour les systemes avec erreurs de modele. Collaboration avec P.Larzabal (ENS/SATIE)

SRL pour les systemes MIMO avec retournement temporel.Collaborations avec K. Abed-Meraim (Univ. D’Orleans) et A. Asif(Toronto Univ.).





Traitements multidimensionnelles et SVD multilineaire

PerfO, SRL et estimateurs adaptes au modele harmoniquemultidimensionnel.Representations trilineaires compactes d’un ensemble d’images :

Estimateurs tensoriels pour des modeles multi-canaux a longueursvariables. Collaboration avec L. Delathauwer (UKL/ESAT).

Estimateur en champ proche. Collaboration avec J. Picheral(SUPELEC/SSE).





Dissimulation de l’information avec contrainte statistique

Vu comme un schema de communication numerique aveugle (traitplein) non-aveugle (traits pointilles).

Maximiser la capacite sous contrainte d’invisibilite statistique.

Collaborations : C. Delpha (UPS/L2S), P. Duhamel (CNRS/L2S),G. le Guelvouit (FT R&D)





Nouvelles thematiques et projets en cours

Depuis le CRCT/HDR, reorientation de mes thematiques derecherche vers :

Th. 1 Representations parcimonieuses et echantillonnage compresseTh. 2 Theorie des matrices aleatoires pour matrices structureesTh. 3 Apprentissage Bayesien par modeles statistiques hierarchiques.Th. 4 Modeles tensoriels avec contraintes de structure

Projets en cours :1 N# - JRA 1.1.1. : Performance Limits of Sparse Bayesian Learning

with Application to Wireless Communication Systems2 DIGITEO/DEMOTS-2A : Decompositions Tensorielles et Modeles

Tensoriels avec Contraintes de Structure. Proprietes, Algorithmes etapplications.

3 ANR MAGELLAN : Methodes d’apprentissage pour les tres grandsreseaux d’antennes en radioastronomie





Representations parcimonieuses et echant. compresse

1 Echantillonnage de signaux a bande non-limitee dans un contexteBayesian. Recherche du noyau d’echantillonnage optimal.Collaboration avec S. Bernhardt (UPS/L2S), Y. Eldar (Technion), S.Marcos (CNRS/L2S) et P. Larzabal (ENS/SATIE).Contexte : N#

2 Caracterisation analytique du ”biais de grille” des estimateursparcimonieux.

Collaborations avec S. Bernhardt (UPS/L2S), S. Marcos(CNRS/L2S) et P. Larzabal (ENS/SATIE).Contexte : CNRS-DISPLAY





Resultat fondateur de la theorie des matrices aleatoires

Comportement ”etrange” de la matrice de covariance empirique, Σ,quand ses dimensions croissent de maniere proportionnelles, ie.,

si Σ = I, Σpointwise−→ I mais λmax((Σ− I)H(Σ− I)) 6= 0

Besoin d’un nouveau contexte de travail : theorie des matricesaleatoires.





Acquisition comprimee et dictionnaires aleatoires degrandes tailles

Obtention d’expressions particulierement simples des PerfO fonctiondu ratio de parcite et de la redondance du dictionnaire.

Possibilite de prouver l’existence d’estimateurs statiquementefficaces. Ces estimateurs n’ont pas encore ete decouvert ! ! !

Collaborations avec B. Fleury (Aalborg Univ.) et P. Larzabal(ENS/SATIE).

Contexte : N#





Que dire des matrices aleatoires structurees ?

Pas grand chose ! ! !

Structures considerees : produit de Kronecker/KR/Hadamard. Quelsdistributions/moments asymptotiques pour de telles matrices ?

λ

AH1 A1

⊗�•

AH2 A2

⊗�•

. . .⊗�•

AHNAN

−→ ?

pour dimc(An),diml(An)→∞ avec dimc(An)/diml(An)→ cst.

Par exemple dictionnaire separable en acquisition comprimee pourl’image. Plus generalement, problematique importante dans lesmodeles tensoriels (Tucker, CP, Constrained-PARAFAC, ...).

Collaboration : X. Mestre (CTTC).





Apprentissage Bayesian avec modele hierarchique

Modele Gaussien hierarchique : X |Z ∼ N (EX |Z (X ), f (Z )) avecZ ∼ pZ (z ; ε) ou ε est un hyper-parametre inconnu.

Decouplage parametre/hyper-parametres, efficacite en regimebas-RSB, ...

Collaborations : N. ElKorso (Univ. Paris X), B. Fleury (AalborgUniv.) et P. Larzabal (ENS/SATIE).

Contexte : N#





Modeles tensoriels avec contraintes de structure

1 Structuration (symetrique, Toeplitz, Hankel, circulant) naturelle dansles appli. de TdS (analyse harmonique, noyau de Voltera, statistiquesd’ordre deux et superieur,...).

Collaborations avec M. Boizard (UPS/L2S) et R.Badeau(ENST-Paris).

2 Tenseurs a facteurs structures apparaissant naturellement dans lesapplications de TdS (modele de Volterra, systeme de com. MIMO,...)Etude de l’impact de la structuration sur les perfO d’estimation desfacteurs.Collaborations avec M. Boizard (UPS/L2S), G. Favier (CNRS/I3S)et P. Comon (CNRS/GIPSA)Contexte : DIGITEO-DESMOTS/2A


Documents

Résumé de l'activités de Recherche et d'Enseignementwebpages.lss.supelec.fr/perso/renaux/ExemplesGMS/... · 2015-11-17 · 1 Mod ele d’antenne lin eaire uniforme, notion d’ambiguit